---
title: "COVID-19 UFPE / DECART"
output: 
  flexdashboard::flex_dashboard:
    orientation: rows
    vertical_layout: fill
    social: [ "twitter", "facebook", "menu"]
    source_code: embed
---

```{r setup, include=FALSE}
library(flexdashboard)
library(knitr)
library(DT)
library(rpivotTable)
library(ggplot2)
library(plotly)
library(dplyr)
library(openintro)
library(highcharter)
library(ggvis)
library(maps) #mapas simples, eixos, escala, cidades 
library(mapdata) #base de dados WorldHires e rios
library(rworldmap) #outra base de dados de mapas do mundo
library(maptools) #Ler ESRI shapefiles 
library(mapproj) #Projeções e grids
library(ggmap) #Gmaps, OSM + mapas baseados em ggplot2
library(rgdal)
```

 
```{r}
### Leituras dos Dadoas
data <- read.csv("covid19-PE_09_04_2020.csv")
data<-data.frame(data)
```

```{r}
### Cor das Telas
mycolors <- c("red", "#FFC125", "darkgreen", "darkorange")
```

Dados Interativos 
========================================

CASOS DE COVID-19 EM PERNAMBUCO
-------------------------------------

### CASOS DE COVID-19 EM PERNAMBUCO

```{r}
valueBox(paste("PERNAMBUCO"),
         color = "warning")
```

### Casos em Pernambuco

```{r message=FALSE}
valueBox(sum(data$confirmed),
         icon = "fa-user")
```

### **Casos Confirmados no Estado de Pernambuco**

```{r}
###### Soma os Casos ####

soma<-sum(data$confirmed)

gauge(round(sum(data$confirmed),
            digits =10),
            min = 0,
            max = 100000,
            gaugeSectors(success = c(0, 1000),
                         warning = c(1000, 100000),
                         danger = c(100000, 1000000),
                         colors = c("green", "yellow", "red")))

```

### RECIFE

```{r}
valueBox(sum(data$city == "Recife"),
         icon = 'fa-building')
```

### Olinda

```{r}
valueBox(sum(data$city == "Olinda"),
         icon = 'fa-building')
```

### Jaboatão dos Guararapes

```{r}
valueBox(sum(data$city == "Jaboatão dos Guararapes"),
         icon = 'fa-building')
```

### Paulista

```{r}
valueBox(sum(data$city == "Paulista"),
         icon = 'fa-building')
```

Número de Casos
-------------------------------

### Número de Casos

```{r}
p1 <- data %>%
         group_by(city) %>%
         summarise(count = n()) %>%
         plot_ly(x = ~city,
                 y = ~count,
                 color = "blue",
                 type = 'bar') %>%
layout(xaxis = list(title = "Municipios"),
yaxis = list(title = 'Número de Casos'))
p1
```

### Datas que Houve Mortes

```{r}

# Carrega o pacote tidyr
library(tidyr)

# Reune as variaveis de ano espalhadas pela base 'homic'
#p2<- gather(data, state, deaths)

# Verifica as primeiras observacoes do novo banco
#head(p2)

# Reune variaveis espalhadas no banco homic
#p2
#p21 <- select(data, state, city, confirmed, deaths)

#p2<- gather(data = data, key = city, value = Recife,-date, -confirmed, -deaths)

# Visualiza o banco
#head(p2)

# Seleciona observacoes com populacao maior que 500 mil e menor que 1 milhao
a <-filter(data, place_type=="state",deaths>0)# ou
p2<-data.frame(a)

```


### Data Vs Casos confirmados

```{r}
p3 <- plot_ly(data,
              x = ~date,
              y = ~confirmed,
              text = paste("data:", data$date,
                           "Confirmado:",
                           data$confirmed),
              type = "bar") %>%
         layout(xaxis = list(title="data"),
                yaxis = list(title = "casos confirmados"))
p3
```

Scatter Plot de Casos confirmados Vs Mortes
------------------------------------
### Scatter Plot de Casos confirmados Vs Mortes

```{r}
## Eliminar as Linhas conm NA's######
data<-na.omit(data)

p4 <- plot_ly(data, x=~confirmed) %>%
         add_markers(y = ~deaths,
                     text = ~paste("confirmed: ", confirmed),
                     showlegend = F) %>%
         add_lines(y = ~fitted(loess(confirmed ~ deaths)),
                   name = "Loess Smoother",
                   color = I("#FFC125"),
                   showlegend = T,
                   line = list(width=5)) %>%
         layout(xaxis = list(title = "casos confirmados"),
                yaxis = list(title = "mortes"))
p4
```

### Box Plot das Cidades

```{r}
data %>%
         group_by(city) %>%
         ggvis(~city, ~deaths, fill = ~city) %>%
         layer_boxplots()
```

Mapa
========================================

### Mapa
Coordenadas das Cidades de Visualização

```{r}
cidades <- c("Recife PE","Paulista PE","Jaboatão dos Guararapes PE")
DF <- data.frame(cidade=cidades, lat=NA, lon=NA)
require(RgoogleMaps)
## Loading required package: RgoogleMaps
getGeoCode("Recife, Pernambuco, Brazil")
getGeoCode("Paulista, Pernambuco, Brazil")
getGeoCode("Jaboatão dos Guararapes Pernambuco, Brazil")

# Para várias cidades:
DF <- with(DF,data.frame(cidade=cidade, t(sapply(DF$cidade, getGeoCode))))
knitr::kable(DF, format="markdown", digits=4)

## Loading required package: plyr
library(plyr)
x<-ldply(DF$cidade, function(x) getGeoCode(x))
knitr::kable(
  data.frame(cidade=cidades,x),
  format="markdown",
  digits=4)
```



### Mapa Estático de Casos

```{r}
library(leaflet)
library(geojson)
nycounties <- rgdal::readOGR("bairros.geojson")
#ies.geojson", layer: "nycounties
pal <- colorNumeric("viridis", NULL)
leaflet(nycounties) %>%
  addTiles() %>%
  addPolygons(stroke = FALSE, smoothFactor = 0.3, fillOpacity = 25,
    fillColor = ~pal(bairro_codigo),
    label = ~paste0(bairro_codigo, ": ", formatC(bairro_codigo, big.mark = ","))) %>%
  addLegend(pal = pal, values = ~(bairro_codigo), opacity = 80.0,
    labFormat = labelFormat(transform = function(x) round(10^x)))

```

```{r Mapa Estático}
##
require(ggplot2)
## Loading required package: ggplot2
require(ggmap)
## Loading required package: ggmap
#box <- make_bbox(lon, lat, data = DF)
#map <-
 # ggmap(
   # get_map(location = box, maptype="toner", source="stamen")
   # ) +
  #geom_point(data=DF, x=DF$lon, y=DF$lat, color="red")
#map
```


### Plotar Mapas na Base do Google maps

```{r}
library(leaflet)
DF<-data.frame(DF)
#latitude=-8.064193
#longitude=-34.87815
m <- leaflet()
m <- addTiles(m)
m <- addMarkers(m, lng=-34.87815, lat=-8.064193, popup="origem")
m
```
```{r Mapa shapfile}

```


Tabela de Dados
========================================

```{r}
datatable(data,
          caption = "Failure Data",
          rownames = T,
          filter = "top",
          options = list(pageLength = 25))
```

Tabela Dinâmica
========================================

```{r}
rpivotTable(data,
            aggregatorName = "Count",
            cols= "city",
            rows = "date",
            rendererName = "Heatmap")
```

Resumo {data-orientation=columns} 
========================================

Column 
-----------------------------------

### Maximo de Dados Confirmadaos

```{r}

a<-data.frame(max(data$confirmed))
a

```

### Numero de Mortes
```{r}
b<-data.frame(sum(data$deaths))
b    
```

### Número médio de Mortes

```{r}
c<-data.frame(mean(data$deaths))
c
```

Resumo
---------------------------

Resultados

* Número de casos confirmados`r length(data$confirmed)` 

* Número médio de casos confirmados `r mean(data$confirmed)`.

* Número médio de casos de mortes `r mean(data$deaths)`.

This report was generated on `r format(Sys.Date(), format = "%B %d, %Y")`.

Sobre o Relatório
========================================

Criado por:  Departamento de Engenharia Cartógrafica